發質發量智能分析梳

成孝孝 李雨萱 貢健華

（西安電子科技大學 陜西省西安市 710126）

1 前言

頭發，指生長在頭部的毛發。其顏色一般是由基因決定，頭發中所含的元素在很大程度上會決定頭發的顏色以及發質好壞，我們可知頭發缺少蛋白質會讓頭發處于亞健康狀態，譬如非洲兒童頭發呈紅色。至少50年來，人類頭皮頭發中微量元素水平的測定一直被用于評估環境和職業接觸有毒元素的情況，頭發分析也用于估計個人的營養狀況。此外，與血液取樣相比，毛發取樣是一種無創性的方法，在流行病學研究中尤為重要。

2 正文

2.1 檢測系統實現方法概述

2.1.1 算法機制

類比于測森林中數目個數的算法，我們提出這樣一套機制：掃描頭皮，機器學習采用遺傳算法不斷精確測定使用者頭皮的范圍、發根粗細、發量多少等個體因素，掃描頭皮完成后使用Auto CAD繪制圖紙，使用pu 命令對圖紙進行清理，以清理掉多余的圖塊，如在頭皮中掃描到的除頭發以外的其他物質，以減小統計誤差。

顏色空間測發色：基于YCbCr 顏色空間，對N 個頭發區域像素進行采樣統計并將統計結果投影在Cb-Cr 平面，采用高斯混合概率模型對發色的色度概率分布進行描述，根據Cb 和Cr 的取值范圍對當前像素進行顏色判斷。

2.1.2 硬件配置

包括頭發密度測算、白發量監測、發質檢測模塊傳感器，將各個模塊傳感器搭載在與梳子上，采集相關的數據信號。還包括為記錄數據、傳輸數據提供能量的蓄電池、和實現梳子和手機端的數據傳輸的藍牙。

2.1.3 信號傳輸機制

一個部分根據內置傳感器變化來儲存數據，測量頭發健康狀況數據，通過無線NRF24L01 模塊發送給另一個部分，另一個部分負責顯示和將數據傳輸到手機端。在數據端和服務端建立數據傳輸機制。選擇支持IIC 接口的低功耗藍牙模塊的傳感器，通過低功耗藍牙模塊通信接口采集傳感器內部的信息，然后將轉化后的信息經由BLE 傳輸，最后通過檢測系統進行實時檢測。和普通信號傳輸一樣，信號的傳輸分為調諧和解調，即先將信號調諧至信道進行編碼，然后在終端用解調器進行解調，調制成我們需要的信號。

2.2 色差檢測原理

2.2.1 色差的概念

樣品與被測物質在顏色（色度、飽和度和亮度）等方面的綜合差異，常用ΔE 表示，它表示色空間的一個綜合值。

2.2.2 色差評定不統一的原因

（1）客觀因素；（2）顏色空間不統一：現有不存在絕對均勻的顏色空間，包括CIELAB 也有一定程度的不均勻性。

2.2.3 色差評判標準

表1

圖1

圖2

色差的單位是NBS，ΔE=1 則為1 個NBS 單位，1 個NBS 相當于視覺識別閾值的5 倍，具體轉化如表1。

2.3 顏色空間

色差即是兩種顏色所在的坐標點在空間上的距離，用顏色空間來表示色差值的相對大小，更加具體和直觀。常見的顏色空間有RGB 顏色空間、HIS 顏色空間、YUV 顏色空間等，它們之間可以進行相互轉換，以下做詳細的介紹。

2.3.1 RGB 顏色空間

RGB 顏色空間是所有顏色空間之中最基礎、最簡單、最常用，也是最經典的一個，在圖像處理技術里面最常用的就是RGB 顏色空間了。RGB 顏色空間有三個代表分量，即我們常說的紅綠藍。也就是Red、Green、Blue,空間每一個點的顏色值F 都可以用這三個量進行合成，表達公式為：F=r[R]+g[G]+b[B]。

表2：01.png 和02.png 色差值

圖3

如圖1所示，其空間模型可用一個立方體進行表示，XYZ 軸分別表示紅綠藍三個基礎色，在原點，R、G、B 的值均為0.即原點表示黑色，反之，與原點對應的斜對角線那個頂點的R、G、B值均為最大，該點為白點，從黑點到白點的那條對角線上面，R、G、B 三者的值均相等，意為白暗不同的單一色。

2.3.2 HSI 顏色空間

HIS 顏色空間較之RGB 會顯得更加豐富化，它的空間結構模型也相對復雜，是由兩個底面重合的圓錐所組成的，在圓錐的表面上，R、G、B 成規律依次增加或減少。由圖2 可知，最高點是白色，最低點是黑色，中間依次過渡，重合面圓的圓心為灰色。該顏色空間主要突出體現樣品的明度差異。

2.3.3 YUV(Lab)顏色空間

我更愿意稱YUV 顏色空間為彩色空間，它是彩色電視機的經典代言人，Y 表示亮度，即或黑或白，更或者灰，而U 和V 代表的是它的色度，即電視機顯示屏的分辨顏色，我們在以前的電視機上面可以看到電視屏幕在調解時會有YUV 這三個字母，當我們調整U 和V 時我們會發現電視機的屏幕顯示顏色在發生變化，而當我們調整Y 時，我們看到的只是電視機屏幕顯示亮度的變化，要么變得更亮，從而接近白，要么變得更暗，從而接近黑。它和RGB顏色空間的轉換公式由下式表示：Y=0.3 R + 0.59 G + 0.11B，其空間示意圖如圖3所示。

YUV 顏色空間和RGB 顏色空間轉換公式如下：

2.4 基于CIELAB顏色空間的色差檢測算法

鑒于CIELAB 顏色空間相對而言較為均勻，故而采取這一顏色空間進行待測物品與樣本的色差對比，算法流程為先對獲取的圖像做圖像預處理，具體包括高斯掩膜濾波（類似于卷積濾波），即以一個像素點為中心，把其周圍的像素值加在它上面，得到量化后的值，然后二值化處理圖像，獲取圖像的RGB 值，最后帶入色差公式進行計算。

表2 是本實驗以0.1png 作為參考，得到的樣品與參考值在明度、色彩等方面的色差數據分析。

3 結論

由以上論述，發質發量智能分析梳基本介紹完成，對于此項工作，我們在發質對比檢測方面做了較多工作，圖像處理算法涉及較深，但在傳感器設計上面有很大的研究空間，這也是接下來我們的工作之重，我們所選擇的傳感器主要為光電分布式傳感器。智能分析梳梳過頭皮之后，會在內部的電路中產生激勵，通過傳感器將這一信號轉化為較為微弱的電信號，通過前置放大電路將小電流信號放大為大電壓信號，然后用差分放大電路進行共模抑制，最后輸出顯示，搭載顯示屏進行觀測。